Comment le SaaS évolue dans l'IA : modèles économiques et monétisation

Au cours des trois dernières années, l’IA générative a fait passer les logiciels d’un simple outil de travail à une plateforme qui exécute et coordonne les processus de manière autonome. Il s’agit d’une transformation profonde : si le cloud a rendu les logiciels évolutifs, l’IA les rend intelligents et auto-exécutables. Les entreprises n’achètent plus seulement des outils, mais des capacités opérationnelles numériques capables de remplacer ou d’amplifier le travail humain.

L'IA comme nouveau moteur d'exploitation logiciel

McKinsey estime que l’impact économique potentiel de l’IA pourrait dépasser 4 400 milliards de dollars, et le marché de l’IA+SaaS s’étend désormais au-delà des budgets informatiques traditionnels, pour inclure une partie des dépenses auparavant destinées au personnel. En 2025, 46 % des entreprises déclarent avoir déjà constaté un impact financier mesurable des projets d’IA, contre 33 % un an plus tôt. La direction est claire : l’IA n’est plus une expérimentation, mais une infrastructure productive.

Les limites de la monétisation actuelle de l’IA

Malgré le battage médiatique, la monétisation de l’IA dans les logiciels se développe lentement. GitHub Copilot a atteint environ deux millions d'utilisateurs payants, mais il représente toujours une exception sur un marché où les dépenses mondiales en applications d'IA – environ 5 milliards de dollars – équivalent à moins de 1 % du total des logiciels.

Il y a trois causes.

Le premier concerne la difficulté de communiquer et de mesurer la valeur. Seules 30 % des entreprises sont capables de traduire l’impact de l’IA en retour sur investissement mesurable. Salesforce a introduit un calculateur pour Agentforce qui quantifie les économies réalisées par rapport à un opérateur humain, réduisant ainsi l'écart entre la promesse et la preuve. Mais la plupart des fournisseurs ne disposent pas d’outils similaires.

Le deuxième problème crucial est le manque de prévisibilité des coûts. Les modèles tarifaires de l’IA sont souvent opaques et ne permettent pas aux clients d’estimer leurs dépenses, contrairement au cloud, où les usages sont variables mais régis par des contrats clairs.

Le troisième concerne la faiblesse de l’adoption post-pilote. De nombreuses initiatives restent cantonnées aux étapes initiales en raison d'un manque de formation et de gestion du changement. McKinsey suggère un ratio significatif : pour chaque dollar investi dans le développement d'un modèle, trois dollars sont nécessaires pour préparer les personnes et les processus à l'utiliser de manière évolutive.

De la licence à la consommation : la nouvelle grammaire du SaaS

L’équation SaaS est en train de changer. Si jusqu’à hier le modèle « par utilisateur et par mois » suffisait à monétiser les fonctionnalités et les accès, l’IA introduit un nouvel axe de valeur : le travail effectué. C'est la naissance du paradigme basé sur la consommation, dans lequel le prix est lié à la quantité et à la qualité des actions générées par le logiciel, et non au nombre de personnes qui l'utilisent.

Les startups natives de l’IA – souvent financées de manière agressive – s’orientent vers des modèles dynamiques, plus transparents et liés à l’utilisation. Cela met la pression sur les grands acteurs du SaaS, contraints de revoir le rapport entre frais et valeur générée.

Beaucoup optent pour des formules hybrides.

HubSpot, par exemple, inclut des packages de crédits AI au prorata de votre forfait et vous permet d'acheter des unités supplémentaires par blocs de 1 000.

ChatGPT Business adopte un modèle similaire, limitant le nombre de jetons pouvant être traités et offrant une évolutivité temporaire.

Clay, une plateforme d'automatisation commerciale, est allée plus loin : elle abandonne la tarification par utilisateur et adopte un tarif unique par organisation, alignant ainsi le prix et l'impact opérationnel.

Valeur comme unité de mesure

Trouver la bonne mesure de prix est aujourd’hui l’enjeu stratégique. Les entreprises changent de modèle basé sur l'activité (paiement par action) aux modèles basé sur les résultats (vous payez par résultat). Les premiers sont plus simples à mettre en œuvre et à prévoir, les seconds sont plus conformes à la valeur mais complexes à gérer.

Zendesk, qui facture 1,50 $ pour chaque interaction client résolue avec succès, représente un exemple rare de basé sur les résultats mature. La plupart des entreprises préfèrent s'en tenir à des métriques intermédiaires, où le prix reflète le flux de travail réalisé ou le nombre d'« actions assistées » par l'IA.

La cohérence du portefeuille est cruciale. ServiceNow utilise les « crédits d'assistance » comme métrique unifiée, Salesforce propose des « crédits flexibles » liés aux actions effectuées, et chaque fournisseur calibre la valeur en fonction de la complexité de la tâche effectuée. Cette approche vous permet de maintenir la clarté pour le client et l’évolutivité interne.

Évoluer de manière durable

Définir le prix n'est que la première étape : il faut décider comment la dépense augmente avec l'usage. Certaines entreprises optent pour des modèles linéaires, d’autres pour des tranches progressives qui récompensent la croissance. L’objectif est de concilier prévisibilité et flexibilité, en créant des incitations appropriées.

Trois outils clés se généralisent. Les tarifs à la carte avec des remises progressives encouragent un engagement précoce des gros clients ; la fongibilité des crédits permet de transférer l'usage d'un produit à un autre, une caractéristique que les deux tiers des acheteurs jugent essentielle ; et les mécanismes de prospective permettent de recalculer les plans futurs sur la base de la consommation réelle, évitant ainsi les pénalités et la rigidité.

Cette approche fait que la relation client-fournisseur s'apparente davantage à un partenariat opérationnel qu'à une simple transaction. Mais cela nécessite de nouvelles infrastructures de télémétrie, de facturation en temps réel et de reporting automatique.

Prix, coût et complexité : un équilibre mouvant

Selon McKinsey, le coût de la fourniture de services d’IA est loin d’être négligeable. Alors que les coûts d'inférence de modèles de langage diminuent de plus de 80 % par an, la complexité des actions effectuées par les agents augmente : API externes, requêtes de bases de données, interactions système. Chaque couche supplémentaire nécessite plus de calculs, plus d'orchestration et donc plus de coûts.

Les entreprises réagissent en adaptant leur stratégie. Certains, comme Adobea initialement proposé des fonctionnalités d'IA gratuites pour favoriser l'adoption, puis a introduit des packages complémentaires payants à l'utilisation.

Aujourd'hui, la société monétise l'IA en tant que produit autonome, avec des plans évolutifs de 10 $ à 200 $ par bloc de crédits générés. Au premier trimestre 2025, cette ligne a généré 125 millions de dollars de revenus : une part encore faible mais en croissance rapide, de quoi pousser d'autres entreprises SaaS à suivre le même chemin.

L’effet domino sur les modèles organisationnels

La révolution IA+SaaS nécessite des transformations internes qui vont au-delà du prix. Selon McKinsey, cela change la façon dont nous vendons, gérons et communiquons la valeur.

Dans les fonctions commerciales, le modèle de paiement à l'utilisation dissout les frontières entre ventes, réussite client et renouvellement. Les chargés de comptes deviennent des figures hybrides, responsables à la fois de l’acquisition initiale et de l’expansion de l’utilisation au fil du temps. La rémunération n'est plus liée uniquement à la signature du contrat mais à la consommation réelle, transformant le vendeur en facilitateur de l'adoption.

Sur le plan technologique et opérationnel, les systèmes de facturation traditionnels ne suffisent pas. Nous avons besoin d'infrastructures capables de suivre la consommation en temps réel, d'estimer les coûts et d'offrir aux clients transparence et contrôle. Les entreprises plus avancées créent des tableaux de bord de dépenses de type cloud, capables de prédire les tendances et de signaler les anomalies.

Pour la finance et les relations avec les investisseurs, l’enjeu est double : reformuler les indicateurs clés et maintenir la confiance pendant la transition. Les mesures comme l’ARR ne suffisent plus ; de nouveaux paramètres sont nécessaires, tels que la croissance par cohortes d'utilisation ou le taux d'expansion moyen par client. Les investisseurs veulent savoir comment l’utilisation se transforme en revenus et combien de temps il faudra pour stabiliser les marges.

Une nouvelle courbe logicielle

AI+SaaS marque le début d’un nouveau cycle de l’industrie du logiciel, où la valeur ne réside pas dans l’accès, mais dans la performance. Les entreprises qui savent lier prix et impact réel, en construisant une relation continue avec les clients et une infrastructure prête à consommer, seront les protagonistes de la prochaine décennie.

En bref, pour McKinsey, le logiciel ne sera plus un coût de licence mais un partenaire opérationnel qui travaille, apprend et évolue avec l'entreprise. Et le succès ne dépendra plus uniquement de la puissance des modèles d’IA, mais de la capacité à les rendre durables, mesurables et équitablement rémunérés.